每次 AI 医疗器械更新，都在设备自身锁定的临床队列上重放；审核人员可在下一次发布前获得可比证据。

1. 行业报道显示，审评周期为 12 至 18 个月，小幅 AI 器械更新也要六至八个月；在下一轮更新审评前，针对具体版本准备证据因此更有价值。
2. Scarlet 称，客户已把产品更新周期从数月缩短到数周；这是公司披露的结果，说明厂商看重更快的更新流程。
3. Scarlet 此轮 $50 million 融资将用于拓展美国和亚太地区业务、增聘审评人员，显示市场正投资建设专业审评能力。
4. 报道指出，技术文档评估是审评人员工作的一环；版本级证据记录因此有了明确的审评使用场景。
5. HIT Consultant 指出，AI 模型开发快于认证和更新周期；这与产品以模型变更为切口的路径一致。

催化因素。 Scarlet 融资并计划扩充审评人员，显示专业 AI 器械审评能力正在增长；但行业报道仍称小幅更新的审评周期长达六至八个月，并指出模型开发快、认证周期慢，两者并不同步。

厂商选定一个此前已审评的基线模型、一个候选版本，以及依法可重复使用且受访问控制的临床验证队列。运行前，临床和法规负责人先定好对比规程、临床意义阈值和预先指定的亚组；测试框架再让两个版本跑过同一批病例。最终生成绑定版本的记录，列出模型标识、数据集清单、测试规程、亚组差异、异常情况和可复现输出，供团队审查更新。若未达到阈值，就转交人工评估并补充证据；即便通过重放，也不代表自动获得法规批准。

差异化。 这不是认证机构，不判定产品是否合规，也不承诺获批；它用厂商自己的锁定临床证据，对比模型版本并留下可审计记录。它也不是通用模型监控工具：只有厂商准备发布受监管版本时才触发测试，并保留讨论这次变更所需的确切基线、病例、规程和亚组结果。

待完成任务

flowchart LR
  DeviceTeam["AI device model team"] --> Change["Candidate model update"]
  Change --> Replay["Replay baseline and candidate on locked cohort"]
  Replay --> Record["Version-bound subgroup evidence"]
  Record --> Review["Human regulatory review"]
  Review --> Outcome["Evidence-ready update decision"]

高管要点

• 痛点已经显现，也有商业信号：一家专业认证机构已有付费客户，提供订阅式持续审查，客户还提到快速更新周期；但没有公开价格，也没有独立买方预算数据能证明市场愿为单独的回放工具付费。
• 这个机制在科学上有意义，但技术上并不稀缺。FDA 研究直接讨论如何在固定测试数据上反复评估演进中的模型；通用 ML 评估、模型注册库和联邦式医疗基准测试也已存在。
• Scarlet 是最接近的直接竞争者，也可能成为渠道。QMS 软件、医疗器械法规咨询公司和开源评估工具栈都是可信的替代方案。
• 可触达市场只是规模有限、假设较多的证据工作流细分市场，不是数十亿美元的 AI 器械销售市场。估算上限取决于即将更新、且验证数据依法可复用的器械项目数量。
• 最关键的证伪问题是：买方能否证明，现有 QMS、顾问、内部统计人员或认证机构都无法妥善解决一个有预算、会反复发生的更新证据问题？

市场定义

面向受监管 AI 医疗器械软件厂商的年度证据生成与变更控制工作流：在受控临床队列上回放候选模型和已批准的基线模型，保留方案与版本记录，并把结果导入现有质量和法规审查流程。不包括器械销售、认证费用、临床试验收入或通用 AI 可观测性。

用户与买方

日常使用者是法规事务或 ML 验证负责人；经济买方通常是法规事务、质量、临床运营或研发部门的总监或 VP。最合适的滩头市场客户，是已经有验证队列、由内部团队负责临床/统计工作、即将调整软件模型，而且有权在受控环境中运行队列的 AI 器械厂商。质量、隐私/安全、工程、法务和临床统计相关方都可能否决部署。

购买触发点

• 计划中的模型更新必须依照先前审查过的变更方案评估，或在上市申报的变更评估中披露。 [2][4]
• 厂商已形成稳定更新节奏，数月的审查瓶颈会带来高昂代价；Flok 的目标是每月发布两次升级，Lucida 则称在证书转移后几天内就发布了更新。 [13][14]
• EU Class III 器械发生可能影响安全性或性能的变更时，必须先判断变更类别及是否需要公告机构批准，再用验证结果论证该变更属于轻微变更。 [8][12]
• 若在发布前发现故障或亚组表现退化，原本会因此追加临床、质量或法规工作。 [3][5][21]

支付意愿

目前只有方向性的预算信号，还没有经验证的付费意愿。Scarlet 称其订阅服务覆盖监测、年度审计和产品变更审查；公司还宣布一轮 $50 million 的 B 轮融资，用于扩大认证能力。Scarlet 发布的客户案例提到快速更新需求。现有来源没有披露合同金额、回放与认证各自的预算占比，也没有说明厂商是否愿意单独购买工具。下一步应查看近期更新项目预算，并争取 RA/质量买方承诺付费试点，核实实际支出。 [10][13][14][15]

品类动态

增长信号 Grand View Research 估算，广义 AI 医疗器械市场在 2025-2033 年的 CAGR 为 38.5%；这是器械收入增速，不是验证软件增速，而且不同预测差异很大。

监管与技术约束

• 经 FDA 审查的 PCCP 必须界定改动、验证/实施方法和影响评估；外部工具不能扩大获批的变更边界。
• 反复复用固定测试队列可能抬高测得性能；只锁定队列还不够，也可能让重复评估越来越不可信。
• AI 器械测试集必须代表预期人群，且与模型开发保持有意义的独立性；亚组样本量和不确定的参照标准都可能限制结论。
• 临床数据的访问、处理地点、复用权和保留期限，都需要客户逐一开展法律与安全审查；联邦式执行能减少数据搬动，却不会自动授予数据权利。
• EU MDR 和 AI Act 对变更、质量、文档及高风险系统提出相互重叠但彼此独立的义务，因此需要按司法辖区映射证据要求。
• 由客户或供应商运行、且影响受监管发布决策的软件，可能增加供应商资质审查、验证、网络安全和 QMS 集成工作。

最直接的威胁是 Scarlet：它把软件/AI 器械认证与持续更新监测结合起来。Ketryx 自动落实医疗器械软件的 QMS 要求，并管理可追溯性和文档；Innolitics 提供一体化工程、AI/ML 验证和法规申报服务。Evidently 与 MLflow 提供通用测试、评估和模型版本工作流；MLCommons MedPerf 则提供开放的联邦式医疗 AI 基准测试。内部统计脚本加上厂商自己的 QMS 和顾问，仍是常见做法。

为什么现有厂商不会默认胜出

• 公告机构与专业认证服务. Scarlet 自己的公告称更新周期更快，其持续服务也包括产品变更审查；新产品不能想当然地认定认证机构太慢或做不到。只有当买方需要独立于所选认证机构、在正式审查前生成证据时，由厂商掌控、可跨机构使用的回放工具才可能补足公告机构服务。没有来源证明 Scarlet 的流程缺少拟议的回放能力。
• QMS 与变更控制平台. Ketryx 接入开发者工具，支持可追溯性、变更影响分析、QMS 合规管控和发布文档管理，因此可能掌控工作流记录。其公开产品介绍没有明确提到在患者级队列上运行成对模型，也没有提到输出临床亚组差异。
• 法规工程与咨询服务. Innolitics 提供一体化软件工程、AI/ML 验证、法规策略、V&V 证据和申报材料，能够满足定制需求。潜在缺口在于每次发布都要重复投入、难以摊薄边际工作量，而不是缺少有能力的服务商。
• 通用 MLOps 与评估工具库. Evidently 和 MLflow 支持模型评估、关联数据集对比、测试、版本管理与可追溯性，降低自建相对于采购的成本。厂商仍需设计临床方案、安全复用测试数据、落实隐私控制，并补足符合监管要求的证据背景。
• 开源医疗 AI 基准测试与内部自建方案. MedPerf 已支持医疗 AI 联邦评估，数据可以留在参与机构。团队也能自行编写脚本分析基线与候选模型。两者的公开定位都不是面向单一厂商、产品化的法规变更关口，但都可以拼装成这样的方案。

我们要卖的是一套临床回放变更关卡，服务于正准备在验证后更新模型的 AI 医疗器械厂商；它不是新的认证服务，也不替监管机构作决定。每次发布时，产品按预先确定的方案，在同一批已核实使用权的临床队列上运行已批准的基线模型和候选模型，输出各亚组差异，并记录版本、数据集和运行来源。首位使用者是 RA 或 ML 验证负责人；可能的预算决策者是监管事务、质量或临床运营部门的副总裁或总监。研究整理的行业报道显示，即使是 AI 器械的小幅更新，审查周期也有六到八个月；但现有材料并未证明市场存在独立的临床回放需求、买方有预算，或审查方会接受其结果。研究测算情景为 $144M 工作流 TAM、$36M SAM 和 $1.8M SOM；这些数字高度依赖假设，规模上限取决于符合条件的器械产品线，而非广义 AI 器械销售额。真正可守的主张是受监管的发布工作流和证据记录，不是新颖的回放算法，也不是占有客户临床数据；Scarlet、QMS 平台、顾问和内部工具都可能打包提供替代方案。这笔种子前轮资金将用于验证付费意愿、队列能否依法复用以及证据是否有用，再决定是否扩大部署、招聘或拓展地域。

问题

• 模型团队迭代得比审查流程快；行业报道显示，即便是 AI 器械的小幅更新，审查周期也要六到八个月。
• 每次提出变更，RA 和验证团队都需要可比的基线与候选模型结果、亚组分析和可追溯证据；现有研究并未说明当前人工流程能否稳定交付这些内容。
• 反复评估后，留存队列可能不再具备合法复用条件、代表性不足或统计独立性受损；这会压缩符合条件的客户范围，也可能导出误导性结果。

解决方案

• 先核实队列使用权和预期用途范围，再在客户控制的环境中，对同一批有记录的临床病例运行客户选定的基线模型和候选模型。
• 执行前锁定方案、指标、阈值、亚组定义、模型标识符和数据集清单；报告不确定性、覆盖缺口、例外情况，以及与具体版本绑定的差异。
• 将可复现的证据记录导入厂商现有的审查与 QMS 流程，供临床、质量和监管人员人工评估。
• 输出仅作为辅助证据；它不负责判定变更分类、申报要求、符合性或审批结果。

为什么我们会赢

• 在受监管的发布流程中，产品把成对模型运行、队列清单、预设亚组分析和可追溯报告串成可重复执行的工作流。通用评估和模型注册工具虽能提供部分组件，临床场景与变更控制仍得由厂商处理。
• 客户可自行托管运行；有需求时，也可采用联邦式运行，减少不必要的数据流转并适配现有数据保管约束。但部署位置本身不会授予数据使用权。
• 多次部署后，可沉淀经验证的方案模板和 QMS/模型注册库集成；客户临床数据始终由客户控制，不是护城河。

里程碑

flowchart LR
  Trigger[Planned model update] --> Qualify[Rights and cohort qualification]
  Qualify --> Replay[Paired baseline-candidate replay]
  Replay --> Evidence[Version-bound subgroup evidence]
  Evidence --> Review[Human RA and clinical review]
  Review --> Expansion[More lines and recurring releases]

创始团队

实验路线图

风险评估

必须成立的条件

• 访谈的 15 家目标厂商中，至少 3 家承诺付费试点，且至少 2 家愿意按测试的 $20,000-$30,000 区间付费。
• 10 个符合条件的潜在客户中，至少 3 个能证明队列使用权、亚组代表性充足，并能可信地防止反复使用测试集造成污染。
• 在四次历史更新中，工作流将证据准备工时中位数至少降低 30%，同时保留方案锁定、可复现性和明确的不确定性说明。
• 结构化征询的 4 名顾问/审查方中，至少 3 名认为报告可作有用的辅助证据，且不会把回放通过误当成审批或变更分类。
• 前 3 个付费试点中至少 2 个转为按年签约的器械产品线合同；重复运行的毛利率须有望超过 70%，且现有厂商的捆绑方案不会挤掉这笔采购。

待尽调问题

• 前三家目标买方能否拿出实际更新预算、顾问发票或员工工时记录，证明有预算单独购买回放？
• 每个拟用队列的知情同意、合同、数据留存和参考标签条款，是否允许反复运行？需要怎样的队列更新或独立数据集方案，才能守住统计有效性？
• 如果当时有这套成对回放，哪些历史更新决策或亚组表现退化会因此改变？又该如何与现有流程对照衡量？
• 独立 RA 顾问或审查方对报告提过哪些意见？哪些部分仍需新的临床证据或正式申报？
• 客户能否在自有控制的环境中部署并验证运行工具，再将结果导入 QMS，且新增的供应商验证负担不超过工作流所节省的工作量？
• 公司形成可重复的分销渠道之前，Scarlet、Ketryx、Innolitics 或内部团队是否会提供足够好的捆绑替代方案？

模型合理性

• 营收引擎. 按每条设备线年度混合收入 $80K 计算，未按流失率调整的增长路径在 Y2 平均有 3.9 条活跃设备线、Y3 平均有 7.1 条，年度收入由 $310K 增至 $570K（A7-A10、A21）。
• 必须跑通的关键条件. 要支撑 pre-seed 计划，前三个 $20K 试点中必须有两个转化、70% 毛利率目标必须守住；截至第24个月，还要达到五条经常性设备线（A4、A11、A17）。
• 模型失效情形. 如果付费设备线月数减少 40%，Y3 收入将降至 $342K；若没有后续融资，模型中的现金低点将降至 -$868.6K（A22-A23）。
• 下一轮融资前的验证目标. 截至第24个月，要验证五条美国经常性设备线、两次试点转化、客户认可的 QMS 导出文件，以及至少 70% 的重复运行毛利率；这些验证必须赶在模型显示现金于 Q3Y3 转负之前完成（A9、A11、A17）。

情景

敏感性

flowchart LR
  Accounts[Target accounts] --> Qualified[Rights-qualified device lines]
  Qualified --> Pilots[Paid retrospective pilots]
  Pilots --> Annual[Annual line conversions]
  Annual --> Revenue[Revenue at blended annual ARPU]
  Revenue --> GrossProfit[70% target gross profit]
  GrossProfit --> Cash[Cash after payroll and operating costs]
  Cash --> Milestone[Recurring lines and next-round proof]

警示项: 未计后续融资的基准现金余额在 Q3Y3 转负，Y3 年末降至 -USD 573.7K；现金只剩约 USD 118K，这是第 24 个月里程碑过后六个月时的余额，因此必须启动后续融资或更早削减招聘（A17、A22）。 · 3 个试点的销售漏斗、3 个转化 2 个的假设、独立买方预算、队列数据的合法复用以及续约行为都尚未验证；基准客户增长路径也未按流失率调整。月度流失率 1.5% 仅用于计算 LTV 和敏感性情景（A4、A8-A9、A20-A21）。 · 70% 毛利率是 BP 目标；定制统计、安全和客户验证工作可能让交付毛利率低于目标（A11、A14-A16）。 · 模型采用的年度 ARPU $80K 高于研究中的市场测算参考值——每条设备线每年 $60K，因为模型加计了假设的重放费用；无论价格溢价还是业务量都尚未验证（A5-A7 和 research.yaml.market）。 · 全成本 CAC USD 54K 只基于模型中的 2 次年度合同转化，并假设 CEO 将 40% 时间用于销售，因此 5.76x 的 LTV/CAC 比率仍是非常初步的估算（A20-A21）。 · Y3 每 FTE 创收 USD 84K，低于广义 SaaS 规划惯例；年末 7.35 FTE 的团队规模仍应以续约和交付毛利率得到验证为前提（A13、A25）。 · 研究中的 SAM 和 SOM 建立在未经验证的 25% 资格符合比例和 USD 60K 年支出假设上；这并不能证明买方池可预测（business-plan.yaml.market 和 research.yaml.market）。 · 现金滚动预测未计营运资金、税款、资本开支或任何后续融资；实际流动性可能更低，下一轮融资也可能需要更早启动（A22）。

• 临床数据权利. 厂商可能没有权利或治理依据，无法重复使用保留的患者队列进行模型版本测试。 缓解措施: 在厂商控制的环境中运行；只接纳权限和保留期限都有书面记录的队列。
• 审评人员是否接受. 在既有验证病例上重放，未必足以支持重大模型变更，也未必符合每位审评人员的预期。 缓解措施: 与每位客户的临床和法规负责人共同设计规程，保留透明输出，并明确重放只提供支持性证据，不代表获批。
• 队列过拟合. 反复接触固定队列，可能促使团队针对测试集调模型，削弱它作为独立证据的价值。 缓解措施: 实施访问控制，将开发集与密封评估集分开；需要时，按客户批准的规则轮换队列或补充新证据。